Utilisation des données probantes pour la prise de décision en santé publique au Burkina Faso
Notice bibliographique
Résumé
Introduction : La prise de décision éclairée par les données probantes est une stratégie efficace pour répondre aux besoins de santé des populations. Cependant au Burkina Faso, le concept d’utilisation des données probantes pour la prise de décision rencontre des difficultés. La présente étude avait pour objectif d’identifier les obstacles à l’utilisation des données probantes pour la prise de décision au ministère de la Santé et de l’Hygiène Publique du Burkina Faso. Méthodes : Il s’est agi d’une étude qualitative qui a consisté à la réalisation d’entretiens individuels semi-structurés avec des informateurs clés. Une analyse thématique a été réalisée à l’aide du logiciel de traitement de données qualitatives NVivo 12. Résultats : Les principaux obstacles à l’utilisation des données probantes pour la prise de décision étaient : l’insuffisance de financement pour la production et la valorisation des résultats de recherche, la qualité insuffisante des données, les difficultés d’accès aux résultats, l’insuffisance d’interaction entre les acteurs, l’inadéquation entre les besoins du ministère et les recherches menées, les conflits d’intérêts, l’influence des partenaires et le format inadéquat de présentation des résultats de recherche. Conclusion : Cette étude a permis de mettre en évidence les défis liés à l’utilisation des données probantes pour la prise de décision en santé publique au sein du ministère de la Santé et de l’Hygiène Publique du Burkina Faso. Traiter ces obstacles pourrait contribuer à améliorer la prise de décision éclairée par les données probantes pour soutenir les interventions de santé publique favorables à la santé des populations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».